这里是以 Android 的 Values 分析，Java 中采用的是 ThreadLocalMap，原理是一样的。
关键点是 ThreadLocal 如何做到线程的 TLS。关于为什么要用 Values而不用 HashMap或者是 HashTable，原因有HaspMap 线程不安全，而 HashTable 加了锁，性能不好。
public class Thread implements Runnable{
ThreadLocal.Values localValues;
}
当我们申明一个 ThreadLocal<?>时，在不同的线程，比如 Thread1,Thread2中进行set()时，会将这个ThreadLocal 对象的 WeakReference 对象和进行set()的 value 值保存在Thread 的 Values中。这个 ThreadLocal.Values 底层存储在一个数组中。索引是根据这个 ThreadLocal 中的 hash&mask，这个 hash 不同的线程会不同，具体生成规则是
private static AtomicInteger hashCounter = new AtomicInteger(0);
/**
* Internal hash. We deliberately don't bother with #hashCode().
* Hashes must be even. This ensures that the result of
* (hash & (table.length - 1)) points to a key and not a value.
*
* We increment by Doug Lea's Magic Number(TM) (*2 since keys are in
* every other bucket) to help prevent clustering.
*/
private final int hash = hashCounter.getAndAdd(0x61c88647*2)；
eg：
//声明一个
ThreadLocal<String> threadLocal=new ThreadLocal<>();
//Thread1：保存
//此时将key=WeakReference(threadLocal),value="thread1"保存在 Thread1.localValues
//其中index=hash&mask,key 保存在index 处，value 保存在index+1处
threadLocal.set("thread1");
用 WeakReference 作为 key 是为了防止内存泄露
既然是利用 hash 的原理进行碰撞，那么为什么是0x61c88647呢。因为这个数可以有效地防止哈希碰撞，可以有效地使得mask 是2^n -1 时使得哈希码均匀分布。
这个数是Doug Lea's Magic Number，有兴趣的可以自己查一查
并且如果是0x61c88647已经可以做到哈希均匀了，为什么要*2呢，因为这里要保存的是两个数 key 和 value，所要要保证间隔的均匀分布。以满足 key 和 value 都可以在里面
以下是一个实验
public static final void main(String[] args) {
AtomicInteger hashCounter = new AtomicInteger(0);
int mask = 8;
for(int j=0;j<3;j++){
mask = mask * 2;
int realMask = mask - 1;
System.out.println("mask="+realMask);
for (int i = 0; i < mask; i++) {
int hash = hashCounter.addAndGet(0x61c88647 * 2);
System.out.print((hash & realMask) + " ");
}
System.out.println();
}
}
得到的值：
mask=15
14 12 10 8 6 4 2 0 14 12 10 8 6 4 2 0
mask=31
14 28 10 24 6 20 2 16 30 12 26 8 22 4 18 0 14 28 10 24 6 20 2 16 30 12 26 8 22 4 18 0
mask=63
46 60 10 24 38 52 2 16 30 44 58 8 22 36 50 0 14 28 42 56 6 20 34 48 62 12 26 40 54 4 18 32 46 60 10 24 38 52 2 16 30 44 58 8 22 36 50 0 14 28 42 56 6 20 34 48 62 12 26 40 54 4 18 32
可以看到分布很均匀,
